0
| 本文作者： 老王 | 2017-08-18 10:01 |
雷鋒網按：近期，騰訊在2017”互聯網+”數字經濟中國行廣東峰會上發布了醫學AI產品騰訊覓影，包含了6個人工智能系統，涉及的疾病有食管癌、肺癌、糖網病、宮頸癌和乳腺癌。
此次峰會上，騰訊優圖實驗室以肺癌識別和糖尿病視網膜病變的篩查技術為例，分享了團隊在這兩大領域的研究狀況。
分享中首先談到，對比中、美、英三國的肺癌發生率和死亡率就會發現，國內肺癌發生率其實低于英、美，但死亡率卻已超過英美，反映出中國肺癌致死率很高。一個重要原因是，當診斷出患者有肺癌后，70%已到中晚期，錯過了最佳診斷和治療時間。
因此肺癌早篩在國內是一件刻不容緩、繼續解決的任務。
早篩是減少肺癌死亡率的重要手段，癌癥早起多表現為肺部結節。
這些肺部結節的尺寸往往非常小、對比度很低、抑制化特別高，因此篩查工作都是由影像科專家去完成。但每個病人肺部CT的掃描圖片數目經常會超過200層，因此當遇到大量病者，人工閱片越來越耗時、耗力。
另一方面，微小肺部結節在影像學的表現可能與其他組織或部位產生混淆，比如和一些毛細血管、結核、假瘤混淆，也會影響到醫生的判斷。
騰訊優圖實驗室希望幫助醫生能夠盡快、盡早去檢測出肺結節的區域，同時協助醫生做更準確的判斷。
騰訊優圖在肺癌識別的核心算法首先進行預處理。這種方法的主要優勢在于，通過三維分割和重建，處理不同成像設備產生的不同成像圖片。
AI影像團隊不可避免這種情況：有些醫院的CT設備比較先進，它拍一次CT可產生200層甚至更多切片，精度很高。但在很多設備比較落后的基層醫院，拍一次CT，往往可能只有40-50層。
因此，對于不同的設備，優圖的算法也有著較強的適應性。
另外，優圖團隊的核心算法不同于傳統醫學圖像處理方法，我們通過端到端一體化肺癌分類算法，輸入已經處理好的3D肺部圖像，預估肺結節的大致位置。通過提取這些肺結節位置，再考慮整個病人肺部的全局信息，從而更好地判斷病人患有肺癌的風險。
多尺度、多任務的3D卷積神經網絡是幫助實現早期微小肺結節檢測的核心技術，這項技術既可協助我們關注到微小結節局部區域的特征信息，同時又可結合患者在整個肺部的全局信息，做出更好的預測。
在具體的成果上，優圖團隊在早期肺癌上的敏感度可達80%。在部分疑難雜癥、比較難判斷的情況下，已經超過普通醫生的平均水平。
后續優圖的醫療AI也將在本月和多家三甲醫院合作落地。
除了肺癌篩查，分享中也簡單介紹了他們團隊在糖尿病視網膜篩查的工作。
2015年國際糖尿病聯盟發現有4億多的成人患有糖尿病。預計2040年，將會高達6.4億，其中高達30%-50的糖尿病患者都會患有糖尿病視網膜病變，其中患有糖尿病視網膜病變中有一成的患者將會面臨失明的風險，人群數很有可能高達2500萬人。
從上述的數據顯示，糖網是一個非常嚴重的問題，對于成年人來說，糖網也是第一大致盲因素，接近四分之三的10年糖尿病患者都會患有糖網。
雖然問題嚴峻，但是值得慶幸的是，如果糖網在早期能夠被檢測出來，也有95%的希望去阻止失明的發生。所以對于糖尿病視網膜病變來說，早篩工作非常重要。
優圖實驗室現在主要給糖網分為5期，第一是沒有病變，然后是輕度病變、中度病變、重度病變、增殖性病變、目前沒有細分的病變。
但是如果真正做到早篩，對于醫生來說具有一定的難度。
這里存在兩個情況，一個是我們會認真判斷正常和患病的情況，它的橫坐標代表的是一個患病樣本的誤檢率，縱坐標是一個正常樣本的召回率。
現在在1%誤檢率的情況下，可達到90%正常樣本的召回率。而對于非增殖和增殖眼底的大樣本情況，也可以達到很高的準確率。
高準確率的背后還有一段路要走
騰訊優圖作為AI基礎研究團隊，從跨界的角度講，在這兩大醫學領域無疑取得了較好的成績，但后面的路仍道阻且長。
雷鋒網也發現，市場上絕大多數初創影像公司都在做肺結節和眼底方向的研究。
科大訊飛智慧醫療事業部總經理陶曉東曾向雷鋒網透露，在肺結節這塊雖然大家都在說自己有著百分之九十幾的準確率，但首先要問個問題，為什么大家都在做肺結節？這實際上可以反映出一個現狀：大家的創新能力還不夠，而且大家能夠得到的資源都很相似，因為肺部CT公開的數據最多。
除此之外，智能影像診斷到臨床還有非常長的路要走。
廣東省人民醫院放射科劉再毅教授談到，要真正應用在臨床，需要解決它的精度、實用范圍和政策等問題，如果要政策批準，必須經過臨床試驗驗證，耗資會很巨大。
很多研究員和影像科醫生也針對這個問題發表了自己的看法：即便技術能達到99.99%，那萬一不幸的是，某個病人正好是那0.01%，最后是醫生來負責，還是AI來負責，這也是一個很重要的課題。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
